【摘要】目的：探讨基于 CT 灌注成像（CTP）与 CT 血管成像（CTA）影像组学特征联合临床指标构建的机器学习模型，对急性前循环大 血管闭塞性缺血性脑卒中患者 90 d 功能预后的预测价值。方法：回顾性纳入 2025 年 1—6 月于泰州市中医院就诊并完成一站式 CTP+CTA 检查 的急性前循环大血管闭塞性缺血性脑卒中患者 50 例，按 7 ∶ 3 随机分为训练集（35 例）和验证集（15 例）。以发病后 90 d 改良 Rankin 量表 （mRS）评分评估预后，≤ 2 分为预后良好，＞ 2 分为预后不良。于梗死核心区、缺血半暗带及责任血管近端斑块区提取影像组学特征，经过 一致性分析、最大相关最小冗余及最小绝对收缩与选择算子回归进行特征筛选。分别构建临床模型、影像组学模型及联合模型，采用受试者工 作特征（ROC）曲线、校准曲线及 SHAP 方法评估模型的性能。结果：共纳入患者 50 例，其中预后良好组 30 例（60.0%），预后不良组 20 例 （40.0%）。最终筛选出 6 个与 90 d 预后显著相关的影像组学特征。验证集中，联合模型预测患者不良预后的曲线下面积（AUC）为 0.92，高 于临床模型（AUC = 0.78）和影像组学模型（AUC = 0.85）；联合模型的准确率为 86.7%，灵敏度为 84.2%，特异度为 88.5%。校准曲线显示该 模型预测概率与实际结局具有较好一致性，Hosmer-Lemeshow 拟合优度检验差异无统计学意义（P = 0.432）。SHAP 分析显示，基线美国国立卫 生研究院卒中量表评分、年龄及梗死核心区脑血流量特征对模型预测贡献较大。结论：基于 CTP+CTA 多模态影像组学特征联合临床指标构建 的机器学习模型，可较为准确地预测急性前循环大血管闭塞性缺血性脑卒中患者 90 d 功能预后，具有一定的临床应用价值。
【关键词】缺血性脑卒中；CT 灌注成像；CT 血管成像；影像组学；机器学习